MASTERCLASS — IA : quelles compétences développer pour rester employable ?

Quelles compétences faut-il développer pour rester employable quand l'IA générative s'installe dans tous les métiers ? L'intervenante de cette masterclass, ingénieure de formation devenue directrice de la stratégie numérique après vingt ans passés chez Microsoft, prend le sujet à rebours des discours habituels : le risque principal n'est pas la disparition des emplois, c'est l'écart qui se creuse entre ceux qui apprennent à travailler avec ces outils et les autres.

Sa thèse tient en une formule : « Je vous parle pas de devenir ingénieur informatique ou sur l'IA, mais de devenir un utilisateur expert. » Derrière cette formule, une liste précise de compétences techniques, cognitives et relationnelles, et une responsabilité d'entreprise.

Où en est réellement l'IA générative en entreprise

La session s'ouvre sur quatre sondages auprès des participants. Résultat : une majorité se situe à un niveau intermédiaire ou déclare quelques notions générales, environ un cinquième estime avoir un bon niveau, et la part de ceux qui n'ont aucune connaissance recule. Côté outils, ChatGPT reste majoritaire, autour de la moitié des répondants, devant Copilot bien installé dans les environnements bureautiques et Gemini ; Mistral reste peu adopté. Côté entreprise, le chantier prioritaire est la formation des collaborateurs, devant la transformation des processus. Et le frein numéro un cité est le manque de connaissance, suivi du manque de temps pour tester.

L'intervenante replace ces réponses sur le cycle du hype de Gartner : après le pic des attentes disproportionnées, l'IA générative redescend aujourd'hui vers ce que Gartner appelle le gouffre des désillusions. On découvre les hallucinations, les erreurs, les limites. Le plateau de productivité, lui, ne s'atteint qu'après avoir appris à se servir de l'outil.

Deux études sont citées en séance pour illustrer ce décalage. Une étude du MIT indique que 95 % des entreprises n'obtiennent aucun retour mesurable sur leurs projets d'IA, quand 5 % en tirent une valeur significative. Les deux manques identifiés sont la formation adéquate et l'adaptation des processus métier. L'image employée est parlante : planter un bouton-poussoir dans un savon de Marseille ne produit pas de mousse. Insérer l'IA dans des processus inchangés ne produit pas de gains. Une seconde étude, du BCG, aboutit à un constat voisin avec des chiffres légèrement différents.

Ces deux travaux pointent aussi le phénomène du shadow IA. Les outils internes déployés il y a deux ou trois ans, sécurisés mais rapidement dépassés par le rythme du marché, ont poussé les collaborateurs à s'équiper de leur côté, avec leurs comptes personnels. Le risque de fuite de données suit mécaniquement.

Le revers : FOMO, surcharge cognitive et crainte d'être surveillé

La session ne s'en tient pas aux bénéfices. Trois effets secondaires sont décrits. D'abord la peur de manquer une information dans un secteur qui bouge chaque semaine, à laquelle s'ajoute un terme apparu plus récemment, la peur de l'obsolescence de ses propres compétences. Ensuite la surcharge cognitive : si l'outil accélère, le rythme de travail attendu accélère aussi, et il faut sans cesse penser à l'étape suivante.

Enfin, le sentiment d'être surveillé. Les collaborateurs s'interrogent sur ce que l'employeur voit de leurs échanges avec l'IA interne. L'intervenante insiste : accepter qu'un moteur de recherche collecte des données est une chose, accepter que son manager puisse détecter qu'on est dépassé par une tâche en est une autre. Ce point ne se traite pas rapidement, il se clarifie explicitement avec les équipes.

Les compétences qui font la différence

Le premier bloc est celui des compétences d'usage : savoir questionner l'IA, garder un esprit critique face aux résultats, comprendre les limites des modèles et développer une culture de la donnée — pourquoi des données propres comptent, comment l'IA utilise les données de l'entreprise, par où elles peuvent sortir.

Le deuxième bloc est cognitif. Au World Economic Forum, l'esprit critique était donné comme la première compétence attendue dans le monde du travail. La raison est simple : l'IA générative reste un outil statistique et affirme avec la même assurance une réponse fiable et une réponse fausse. « Elle nous dira les choses avec un aplomb absolument incroyable, que la probabilité de la réponse soit de 1 % ou de 90 %. » S'y ajoutent la résolution de problèmes complexes — y compris en soumettant le même problème à plusieurs modèles spécialisés —, la capacité de synthèse, que l'IA tend à confondre avec l'exhaustivité, et la prise de décision en situation incertaine, qui reste un jugement humain.

Le troisième bloc est relationnel : empathie, intelligence collective, capacité à convaincre. Point intéressant soulevé en séance : parce que ces modèles sont conçus pour ne pas contredire l'utilisateur, ils s'alignent sur la position de celui qui les interroge. Excellents pour préparer un argumentaire ou lister les objections d'un client, ils sont mauvais pour faire changer d'avis. D'où l'intérêt de continuer à débattre entre humains.

L'édition suivante du World Economic Forum parle de transition vers un humain augmenté, articulée autour de trois axes que l'intervenante reprend : une fluence technique, ce que l'on appelle l'AI literacy, l'esprit critique, et la capacité d'apprendre à travailler avec l'IA. Au sommet de la pyramide, elle place l'intelligence émotionnelle, celle que la machine ne produit pas, et l'éthique — celle des réponses du modèle comme celle de l'usage que l'on en fait, impact environnemental compris.

Une transformation des tâches, pas une destruction d'emplois

Le message de fin est net : les analystes ne prévoient pas de disparition massive de postes, mais une transformation des tâches. Ce qui se délègue à la machine, ce sont les tâches simples et répétitives — l'exemple donné est celui d'un fichier de cinquante onglets dont il fallait extraire une cellule, traité en trente secondes. C'est donc le rôle du stagiaire ou du junior qui se trouve fragilisé, plus que les métiers eux-mêmes, ce qui pose un vrai enjeu de formation des apprentis et des débutants.

Côté entreprise, la feuille de route proposée tient en cinq points : développer une culture de l'IA plutôt que distribuer des licences ; laisser tester puis choisir un outil et monter en compétence dessus, car changer d'outil tous les jours empêche de progresser ; renforcer et valoriser les compétences humaines ; écrire et partager les règles, pour les utilisateurs comme pour ceux qui administrent l'outil, en précisant quelles données sont captées et lesquelles ne le sont pas ; enfin piloter, avec des ambassadeurs référents dans les équipes, un sponsoring de la direction et un accompagnement au changement comparable à celui qu'avait exigé l'arrivée de l'ordinateur.